🌳 阶段1：天然的决策树 —— 生活类比启蒙

💡 核心思想：决策树就是层层提问、按条件做选择的判断流程图！
生活中我们每天都在用决策树：出门要不要带伞？先看天气→再看有没有风→最后决定！
点击下方的场景按钮，体验不同生活决策树的流程吧！
💡 操作提示：选择一个生活场景，点击"手动下一步"或"自动演示决策流程"，观察决策树如何一步步做出判断！

📝 本阶段学习要点：

  • 决策树就是一问一答、层层筛选的判断流程图
  • 每个"问题"就是一个节点，回答"是"或"否"走不同分支
  • 最终到达的"答案"就是叶子节点
  • 生活中处处都有决策树的影子！

✂️ 阶段2：单特征二分 —— 最简单的一次拆分

💡 核心概念：用一个特征就能把东西分成两类！比如用身高把同学分成高和矮。
🖱️ 操作方法：拖动分割阈值滑块，观察分类对错的变化！找到最佳分割点！
50
🖱️ 动手试试：拖动分割阈值滑块，观察分割线移动时，分类正确率如何变化！
当前分类正确率：0%

📝 本阶段学习要点：

  • 决策树的第一步：找一个最能区分的特征做拆分
  • 分割阈值决定了"分界线"画在哪里
  • 好的分割点能让分类正确率最高
  • 这就是决策树最基础的"一次提问"分类

🌲 阶段3：多特征分层决策 —— 构建完整小树

💡 实验目标：掌握决策树多层分叉的核心逻辑！
多种水果混在一起，有颜色、大小、形状三个特征。你来决定先用哪个特征分！
🔍 探索问题：特征选择的顺序不同，分类效果会有什么差异？

🧩 选择特征顺序（依次点击）：

已选顺序：（请依次点击特征按钮）
🧩 操作步骤：1️⃣ 依次点击特征按钮选择顺序 → 2️⃣ 点击"构建决策树" → 3️⃣ 观察不同顺序的分类效果！

📝 本阶段学习要点：

  • 决策树可以多层分叉，每一层用不同特征
  • 优先选最容易区分的特征放在最上层，分类效果更好
  • 特征顺序不同，树的形状和分类效果也不同
  • 好的决策树：关键问题先问，减少后续判断次数

✂️ 阶段4：剪枝探究 —— 防止"学太细、判错新样本"

💡 核心概念：树长太细会"钻牛角尖"！这就是"过拟合"。
让树无限分叉，把每个特殊样本都单独分一类（过度细分），再放新测试样本进来，发现分类反而错了！
✂️ 剪枝就是简化规则，让树更通用、判断更准！
8
📊 训练集正确率：
100%
🧪 测试集正确率：
50%
⚠️ 观察：深度太大时，训练集正确率很高，但测试集正确率反而下降！这就是"过拟合"！拖动深度滑块剪枝，观察测试集正确率回升！

📝 本阶段学习要点：

  • 过拟合：树太复杂，"钻牛角尖"，对新样本判断反而变差
  • 剪枝：减少树的深度和分支，让规则更简单通用
  • 训练集正确率高 ≠ 真正好，测试集表现才是关键
  • 好模型要在"学得够"和"别学太细"之间找平衡

🌟 阶段5：真实场景实操 —— 用决策树解决生活问题

💡 应用目标：会用决策树解决生活/学习中的小问题！
选择一个场景，自主选特征、建分支、测试结果，完成完整AI分类流程！
3
📊 操作步骤：1️⃣ 选择场景 → 2️⃣ 调整树的深度 → 3️⃣ 点击"自动构建决策树" → 4️⃣ 点击"测试新样本"在画布上点击测试

📝 本阶段学习成果：

  • 决策树可以解决多种真实分类问题
  • 特征选择直接影响分类效果
  • 树深度需要合理控制，太深容易过拟合
  • 完整的AI分类流程：选特征→建树→测试→调优